1

所以我正在尝试编写一个 Perl 脚本,它将接受 3 个参数。

  1. 第一个参数是输入文件或目录。
    • 如果是文件,会统计所有单词出现的次数
    • 如果是目录,它将递归遍历每个目录并获取这些目录中文件中所有单词的所有出现次数
  2. 第二个参数是一个数字,它将显示出现次数最多的单词的数量。
    • 这将仅将每个单词的数字打印到控制台
  3. 将它们打印到输出文件,该文件是命令行中的第三个参数。

它似乎正在递归搜索目录并查找文件中所有出现的单词并将它们打印到控制台。

如何将这些打印到输出文件,以及如何获取第二个参数,即数字,比如 5,并让它在控制台打印出出现次数最多的单词,同时将单词打印到输出文件?

以下是我到目前为止所拥有的:

#!/usr/bin/perl -w

use strict;

search(shift);

my $input  = $ARGV[0];
my $output = $ARGV[1];
my %count;

my $file = shift or die "ERROR: $0 FILE\n";
open my $filename, '<', $file or die "ERROR: Could not open file!";
if ( -f $filename ) {
    print("This is a file!\n");
    while ( my $line = <$filename> ) {
        chomp $line;
        foreach my $str ( $line =~ /\w+/g ) {
            $count{$str}++;
        }
    }
    foreach my $str ( sort keys %count ) {
        printf "%-20s %s\n", $str, $count{$str};
    }
}
close($filename);
if ( -d $input ) {

    sub search {
        my $path = shift;
        my @dirs = glob("$path/*");
        foreach my $filename (@dirs) {
            if ( -f $filename ) {
                open( FILE, $filename ) or die "ERROR: Can't open file";
                while ( my $line = <FILE> ) {
                    chomp $line;
                    foreach my $str ( $line =~ /\w+/g ) {
                        $count{$str}++;
                    }
                }
                foreach my $str ( sort keys %count ) {
                    printf "%-20s %s\n", $str, $count{$str};
                }
            }
            # Recursive search
            elsif ( -d $filename ) {
                search($filename);
            }
        }
    }
}
4

3 回答 3

0

这将汇总命令行中给出的目录或文件中单词的出现次数:

#!/usr/bin/env perl
# wordcounter.pl
use strict;
use warnings;
use IO::All -utf8; 
binmode STDOUT, 'encoding(utf8)'; # you may not need this

my @allwords;
my %count;  
die "Usage: wordcounter.pl <directory|filename> number  \n" unless ~~@ARGV == 2 ;

if (-d $ARGV[0] ) {
  push @allwords, $_->slurp for io($ARGV[0])->all_files; 
}
elsif (-f $ARGV[0]) {
  @allwords = io($ARGV[0])->slurp ;
}

while (my $line = shift @allwords) { 
    foreach ( split /\s+/, $line) {
        $count{$_}++
    }
}

my $count_to_show;

for my $word (sort { $count{$b} <=> $count{$a} } keys %count) { 
 printf "%-30s %s\n", $word, $count{$word};
 last if ++$count_to_show == $ARGV[1];  
}

通过修改sort和/或io调用,您可以sort { }按单词的字母顺序对文件或目录中的所有文件进行出现次数。这些选项很容易作为参数添加。您还可以过滤或更改如何定义单词以包含在%count哈希中,方法是更改foreach ( split /\s+/, $line)​​为包含匹配/过滤器,例如foreach ( grep { length le 5 } split /\s+/, $line)仅计算五个或更少字母的单词。

在当前目录中运行示例:

   ./wordcounter ./ 10    
    the                            116
    SV                             87
    i                              66
    my_perl                        58
    of                             54
    use                            54
    int                            49
    PerlInterpreter                47
    sv                             47
    Inline                         47
    return                         46

注意事项

  • 您可能应该为文件 mimetypes、可读性等添加测试。
  • 注意unicode
  • 写入文件只需添加> filename.txt到命令行的末尾;-)
  • IO::All不是标准的 CORE IO 包我只是在这里做广告和推广 ;-) (你可以换掉那个位)
  • 如果您想添加一个sort_by选项(-n --numeric等)可能是使该选项易于管理的一种方法-a --alphabetic Sort::Maker

EDIT忽略了按照 OP 的要求添加选项。

于 2014-09-26T02:07:59.220 回答
0

我建议重组你的程序/脚本。您发布的内容很难理解。一些评论可能有助于了解正在发生的事情。我将尝试通过一些代码片段来安排事情,希望有助于解释项目。我将介绍您在问题中概述的三个项目。

由于第一个参数可以是文件或目录,我将使用 -f 和 -d 来检查以确定输入是什么。我会使用列表/数组来包含要处理的文件列表。如果它只是一个文件,我会将其推送到处理列表中。否则,我会调用一个例程来返回要处理的文件列表(类似于您的搜索子例程)。就像是:

# List file files to process
my @fileList = ();
# if input is only a file
if ( -f $ARGV[0] )
{
  push @fileList,$ARGV[0];
}
# If it is a directory
elsif ( -d $ARGV[0] ) 
{
   @fileList = search($ARGV[0]);
}

因此,在您的搜索子例程中,您需要一个列表/数组,将作为文件的项目推送到该列表/数组上,然后从子例程返回该数组(在您处理了来自 glob 调用的文件列表之后)。当您有一个目录时,您可以使用路径调用搜索(就像您当前所做的那样),将元素推送到当前数组上,例如

# If it is a file, save it to the list to be returned
if ( -f $filename ) 
{
  push @returnValue,$filename;
}
# else if a directory, get the files from the directory and 
# add them to the list to be returned
elsif ( -d $filename )
{
  push @returnValue, search($filename);
}

获得文件列表后,循环处理每个文件(打开,在关闭时读取行,处理单词的行)。用于处理每一行的 foreach 循环可以正常工作。但是,如果您的单词有句点、逗号或其他标点符号,您可能需要在计算散列中的单词之前删除这些项目。

在下一部分中,您询问了如何确定计数最高的单词。在这种情况下,您想要创建另一个具有计数键(对于每个单词)的散列,并且该散列的值是与该计数相关联的单词列表/数组。就像是:

# Hash with key being a number and value a list of words for that number
my %totals= ();
# Temporary variable to store occurrences (counts) of the word
my $wordTotal;
# $w is the words in the counts hash
foreach my $w ( keys %counts ) 
{
  # Get the counts for the word
  $wordTotal = $counts{$w};
  # value of the hash is an array, so de-reference the array ( the @{ }, 
  # and push the value of the counts array onto the array
  push @{ $totals{$wordTotal} },$w;  # the key to total is the value of the count hash
                                     # for which the words ($w) are the keys
}

要获得计数最高的单词,您需要从总数中获取键并反转排序列表(按数字排序)以获得最高的 N 个数。由于我们有一个值数组,因此我们必须对每个输出进行计数以获得最高计数的 N 个。

# Number of items outputted
my $current = 0;
# sort the total (keys) and reverse the list so the highest values are first
# and go through the list
foreach my $t ( reverse sort { $a <=> $b} keys %totals) # Use the numeric 
                                                        # comparison in 
                                                        # the sort 
{
   # Since each value of total hash is an array of words,
   # loop through that array for the values and print out the number 
   foreach my $w ( sort @{$total{$t}}
   {
     # Print the number for the count of words
     print "$t\n";
     # Increment the number output
     $current++;
     # if this is the number to be printed, we are done 
     last if ( $current == $ARGV[1] );
   }
   # if this is the number to be printed, we are done 
   last if ( $current == $ARGV[1] );
 }

打印到文件的第三部分,不清楚您的问题中的“它们”是什么(单词、计数或两者;仅限于顶部单词或所有单词)。我会留给您打开文件、将信息打印到文件并关闭文件的工作。

于 2014-09-26T02:49:48.433 回答
0

我已经想通了。以下是我的解决方案。我不确定这是否是最好的方法,但它确实有效。

    # Check if there are three arguments in the commandline
    if (@ARGV < 3) {
       die "ERROR: There must be three arguments!\n";
       exit;
    }
    # Open the file
    my $file = shift or die "ERROR: $0 FILE\n";
    open my $fh,'<', $file or die "ERROR: Could not open file!";
    # Check if it is a file
    if (-f $fh) {
       print("This is a file!\n");
       # Go through each line
       while (my $line = <$fh>) {
          chomp $line;
          # Count the occurrences of each word
          foreach my $str ($line =~ /\b[[:alpha:]]+\b/) {
             $count{$str}++;
          }
       }
    }

    # Check if the INPUT is a directory
    if (-d $input) {
       # Call subroutine to search directory recursively
       search_dir($input);
    }
    # Close the file
    close($fh);
    $high_count = 0;
    # Open the file
    open my $fileh,'>', $output or die "ERROR: Could not open file!\n";
    # Sort the most occurring words in the file and print them
    foreach my $str (sort {$count{$b} <=> $count{a}} keys %count) {
       $high_count++;
       if ($high_count <= $num) {
          printf "%-31s %s\n", $str, $count{$str};
       }
       printf $fileh "%-31s %s\n", $str, $count{$str};
    }
    exit;

    # Subroutine to search through each directory recursively
    sub search_dir {
       my $path = shift;
       my @dirs = glob("$path/*");
       # Loop through filenames
       foreach my $filename (@dirs) {
          # Check if it is a file
          if (-f $filename) {
             # Open the file
             open(FILE, $filename) or die "ERROR: Can't open file";
             # Go through each line
             while (my $line = <FILE>) {
                chomp $line;
                # Count the occurrences of each word
                foreach my $str ($line =~ /\b[[:alpha:]]+\b/) {
                   $count{$str}++;
                }
             }
             # Close the file
             close(FILE);
          }
          elsif (-d $filename) {
             search_dir($filename);
          }
       }
    }
于 2014-09-29T01:09:08.807 回答